目的 以中药药性作为特征描述符构建机器学习抗辐射作用预测模型,并解释抗辐射中药药性的重要药性特征以指导临床和日常辐射防治.方法 通过药智网、中国知网、PubMed等数据库获取报道具有抗辐射作用的中药研究文献,通过SymMap数据库获得《中国药典》等权威著作记载的中药性味归经等药性作为特征描述符构建数据库,并将数据处理为适合机器学习的格式.使用随机森林、支持向量机、梯度提升、逻辑回归、全连接神经网络5种机器学习模型对数据集进行五折交叉训练并进行性能评估,再使用10个未参与训练的报道具抗辐射作用的中药和10个报道无抗辐射作用的中药作为外部验证集测试模型,最后利用SHapley加性解释(SHapley additive ex planations,SHAP)解释器对决定抗辐射作用有无的重要药性特征进行可视化.结果 收集到涉及单味药研究、保健食品注册和复方研究共136味报道具抗辐射作用的中药,总频次为447次,其中中药使用频次及频率排名前3的为灵芝、红景天、枸杞子,频次≥10的中药共10味.在5个机器学习的性能评估中,随机森林性能最佳,其准确率、平衡F分数(F1)和曲线下面积(area under urve,AUC)分别为0.8044、0.773 2和0.879 8.在外部中药抗辐射的验证中,随机森林模型能较好地预测已报道具有抗辐射作用的中药.性能最佳
作者：杨淇；郝二伟；侯小涛；邓家刚；杜正彩；范丽丽；夏中尚
来源：中草药 2024 年 55卷 8期
